CN106851604B - 一种移动通信网络的业务量预测方法及装置 - Google Patents

Abstract

本发明实施例提供一种移动通信网络的业务量预测方法及装置，涉及通信领域，能够有效地提高业务量的估计值的准确性。包括：根据第一移动通信网络的寻呼信息，获取第一移动通信网络的寻呼量，以及根据第一移动通信网络的业务信息，获取第一移动通信网络的业务量；根据第一移动通信网络的寻呼量和第一移动通信网络的业务量，利用线性回归原理获取寻呼量和业务量的线性关系模型；根据第二移动通信网络的寻呼信息，获取第二移动通信网络的寻呼量，第一移动通信网络与第二移动通信网络不同；根据第二移动通信网络的寻呼量，以及寻呼量和业务量的线性关系模型，估计第二移动通信网络的业务量的估计值。用于提高业务量的估计值的准确性。

Description

一种移动通信网络的业务量预测方法及装置

技术领域

本发明涉及通信领域，尤其涉及一种移动通信网络的业务量预测方法及装置。

背景技术

目前，运营商在建设移动通信网络之前，需要根据目标区域网络需求、其他运营商网络及业务发展情况，进行网络规划，从而合理的建设移动通信网络。现有技术中，多为通过已有业务量数据预测后续业务量分布情况。例如，运营商可以参考其他运营商发布的年报中包括的业务量数据进行网络规划，但是，年报中的业务量数据过于宏观，且具有一定的滞后性，并不能体现某个位置区或整个本地网的业务量分布情况。因此，业务量的估计值的准确性较低。

发明内容

本发明实施例提供一种移动通信网络的业务量预测方法及装置，能够有效地提高业务量的估计值的准确性。

为达到上述目的，本发明实施例采用的技术方案是：

第一方面，提供一种移动通信网络的业务量预测方法，包括：

首先，根据第一移动通信网络的寻呼信息，获取所述第一移动通信网络的寻呼量，以及根据所述第一移动通信网络的业务信息，获取所述第一移动通信网络的业务量；根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，利用线性回归原理建模获取寻呼量和业务量的线性关系模型；然后，根据第二移动通信网络的寻呼信息，获取第二移动通信网络的寻呼量，所述第一移动通信网络与所述第二移动通信网络不同；根据所述第二移动通信网络的寻呼量，以及所述寻呼量和业务量的线性关系模型，估计第二移动通信网络的业务量的估计值。

上述第一方面提供的移动通信网络的业务量预测方法，基于线性回归原理建模获取寻呼量与业务量的线性关系模型，根据其他运营商部署的移动通信网络的寻呼量，以及寻呼量与业务量的线性关系模型估计其他运营商的各位置区下的各类数据业务的业务量，从而能够有效地提高业务量的估计值的准确性，使得运营商可以精准便捷地获取其他运营商部署的移动通信网络的业务量分布情况，作为网络规划建设工作的重要参考依据。

第二方面，提供一种移动通信网络的业务量预测装置，包括：

获取单元，用于根据第一移动通信网络的寻呼信息，获取所述第一移动通信网络的寻呼量，以及根据所述第一移动通信网络的业务信息，获取所述第一移动通信网络的业务量；

处理单元，用于根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，利用线性回归原理建模获取寻呼量和业务量的线性关系模型；

所述获取单元，还用于根据第二移动通信网络的寻呼信息，获取第二移动通信网络的寻呼量，所述第一移动通信网络与所述第二移动通信网络不同；

所述处理单元，还用于根据所述第二移动通信网络的寻呼量，以及所述寻呼量和业务量的线性关系模型，估计第二移动通信网络的业务量的估计值。

上述第一方面提供的移动通信网络的业务量预测方法，基于线性回归原理建模获取寻呼量与业务量的线性关系模型，根据其他运营商部署的移动通信网络的寻呼量，以及寻呼量与业务量的线性关系估计其他运营商的各位置区下的各类数据业务的业务量，从而能够有效地提高业务量的估计值的准确性，使得运营商可以精准便捷地获取其他运营商部署的移动通信网络的业务量分布情况，作为网络规划建设工作的重要参考依据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的预测移动通信网络的业务量的系统示意图；

图2为本发明实施例提供的移动通信网络的业务量预测方法流程图；

图3为本发明实施例提供的移动通信网络的业务量预测装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的基本原理在于：将第一移动通信网络的寻呼量和业务量作为样本数据，利用线性回归原理建模获取寻呼量与业务量的线性关系模型，根据第二移动通信网络的寻呼量，以及所述寻呼量与业务量的线性关系模型估计第二移动通信网络的业务量的估计值。

线性回归是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析(regression analysis)。按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。本发明是基于线性回归分析，研究的因果关系只涉及因变量和一个自变量，即因变量为业务量，自变量为寻呼量。

本发明实施例提供一种预测移动通信网络的业务量的系统，如图1所示，包括：第一移动通信网络、第二移动通信网络和路测设备。其中，第一移动通信网络和第二移动通信网络可以是现有技术中的移动通信网络，例如，通用分组无线服务(英文全称：generalpacket radio service，英文简称：GPRS)、码分多址(英文全称：code division multipleaccess，英文简称：CDMA)、宽带码分多址(英文全称：wideband code division multipleaccess，英文简称：WCDMA)、长期演进(英文全称：long term evolution，英文简称：LTE)等。包括核心网设备，多个基站(英文全称：base station，英文简称：BS)，或演进型基站(英文全称：evolved Node B，英文简称：eNB)。

进一步的，第一移动通信网络包括移动通信网络的业务量预测装置，移动通信网络的业务量预测装置从核心网侧获取第一移动通信网络的寻呼量与业务量，根据第一移动通信网络的寻呼量与业务量，先获取寻呼量与业务量的线性关系模型。路测设备从第二移动通信网络中部署的基站等，获取第二移动通信网络的寻呼量，将第二移动通信网络的寻呼量传输给第一移动通信网络，移动通信网络的业务量预测装置根据第二移动通信网络的寻呼量，以及寻呼量与业务量的线性关系模型估计第二移动通信网络的业务量的估计值。

同理，第二移动通信网络也可以包括移动通信网络的业务量预测装置，移动通信网络的业务量预测装置从核心网获取第二移动通信网络的寻呼量与业务量，根据第二移动通信网络的寻呼量与业务量，获取寻呼量与业务量的线性关系模型。路测设备可以获取第一移动通信网络的寻呼量传输给第二移动通信网络，移动通信网络的业务量预测装置根据第一移动通信网络的寻呼量，以及寻呼量与业务量的线性关系模型估计第一移动通信网络的业务量的估计值。

需要说明的是，第一移动通信网络和第二移动通信网络可以是不同的运营商部署的移动通信网络，例如，中国联通，中国移动，或者中国电信。

下面具体描述根据寻呼量估计业务量的详细步骤。

实施例1

本发明实施例提供一种移动通信网络的业务量预测方法，如图2所示，包括：

步骤101、移动通信网络的业务量预测装置获取第一移动通信网络的寻呼信息和第一移动通信网络的业务信息。

第一移动通信网络的寻呼信息为第一移动通信网络内用户使用用户设备时所收到的数据业务的寻呼信息。第一移动通信网络的业务信息为第一移动通信网络内用户使用用户设备成功进行数据业务所产生的业务信息。

需要说明的是，获取寻呼信息和业务信息的方法可以参考现有技术，本发明在此不加赘述。例如，通过核心网侧挂表的方法从核心网的IUPS接口获取寻呼信息和业务信息。寻呼信息包括寻呼发生时间、所在位置区编码(英文全称：location area code，英文简称：LAC)、寻呼重发次数等，可以用以统计不同区域不同时段的寻呼信息。业务信息包含业务发生时间、所在位置区编码、业务类型、业务流信息等信息，可以用以统计不同区域不同时段各类业务的业务信息。

步骤102、移动通信网络的业务量预测装置根据第一移动通信网络的寻呼信息获取第一移动通信网络的寻呼量，以及第一移动通信网络的业务信息获取第一移动通信网络的业务量。

寻呼量为一个位置区内移动终端的寻呼次数。业务量为一个位置区内移动终端业务运行成功产生的业务量。

首先，删除寻呼信息和业务信息中消息为空的寻呼信息和业务信息。例如，由于核心网的设备对某些比较少见的业务类型未能正确识别或者有些信息记录时出现问题，导致采集到的寻呼信息和业务信息中某些字段取值为“null”或者为“0”，因此，这些寻呼信息和业务信息不能正确的归类为位置区内实际产生的寻呼量和业务量，因此需将这部分寻呼信息和业务信息删除。

然后，合并相同的寻呼信息。具体的，可以将预设阈值内的重复的同一主叫号码和被叫号码的寻呼信息合并，或者还可以将同一主叫号码、被叫号码和位置区的寻呼信息合并。预设阈值可以是10秒。由于寻呼信息中存在寻呼重发的记录，如果包括相同的寻呼信息将会影响根据寻呼信息统计的寻呼量，因此需将寻呼信息中重发的记录合并，以确保准确地寻呼量统计。

对业务信息进行分类。业务信息中包括多种业务类型的业务，有将近500种业务，如MSN、微信、QQ、陌陌、京东商城、淘宝和优酷等。具体的，可以将业务类型分为即时通信类业务、浏览类业务、流媒体类业务、下载类业务和其他业务五个大类(其中其他业务占比在25％左右)。

最后，以预设区域内不同时间段，统计合并后的寻呼信息和分类后的业务信息，得到寻呼量和业务量。具体的，可以以时间粒度为每小时，地理粒度为LAC对合并后的寻呼信息进行统计，即统计每个LAC在每个小时的寻呼信息的个数，得到每个LAC在每个小时的寻呼量，该寻呼量即为第一移动通信网络的寻呼量。同理，以时间粒度为每小时，地理粒度为LAC对分类后的业务信息进行统计，即统计每个LAC在每个小时的每类业务产生的业务量，得到每个LAC在每个小时的业务量，该业务量即为第一移动通信网络的业务量。

需要说明的是，如果移动通信网络是基于4G的标准部署的网络，LAC就为跟踪区域码(英文全称：tracking area code，英文简称：TAC)。时间粒度也可以是每周或每10分钟等，可以任意的划分。地理粒度也可以按照基站或小区划分。

步骤103、移动通信网络的业务量预测装置根据第一移动通信网络的寻呼量和第一移动通信网络的业务量，利用线性回归原理建模获取寻呼量和业务量的线性关系模型。

线性回归原理如下：

回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。当研究的因果关系只涉及因变量和一个自变量时，为一元回归分析。本发明中所使用的即为一元线性回归分析。

如公式1.1所示，一元线性回归模型：

y＝β₀+β₁x+μ (1.1)

其中，x为自变量。y为因变量。β₀为回归常数，是个未知常数，β₁为回归系数，是个未知常数。μ为随机误差，是一个随机变量，且应该服从均值为0的正态分布，μ～N(0，σ²)。

根据第一移动通信网络的寻呼量和第一移动通信网络的业务量，利用线性回归原理建模获取寻呼量和业务量的线性关系模型，即利用收集到的样本数据第一移动通信网络的寻呼量和第一移动通信网络的业务量(x_i，y_i)_i＝1，…n，根据公式1.2中和公式1.3对β₀和β₁进行估计，得到β₀的估计值β₁的估计值

其中，x_i为寻呼量的样本数据，y_i为业务量的样本数据，n为样本数据的个数。

从而得到寻呼量和业务量的线性关系模型，即拟合出的寻呼量和业务量的线性回归方程，如公式1.4所示，

还可以通过公式1.5检验寻呼量和业务量的线性关系模型拟合优度，即决定系数R²：

其中，即y_i的样本平均数。

R²的取值范围是[0,1]，R²的值越接近1，说明拟合出的寻呼量和业务量的线性回归方程对寻呼量和业务量的样本数据点的拟合优度越好；反之，R²的值越接近0，说明拟合出的寻呼量和业务量的线性回归方程对寻呼量和业务量的样本数据点的拟合优度越差。

具体的，以每个LAC下每小时寻呼量作为自变量x值，即时通信业务量作为因变量y值，将所有样本数据代入公式1.2和公式1.3进行训练，即时通信业务量与寻呼量的线性关系模型为：

寻呼量和业务量的线性回归方程对样本值的拟合度为89.8％，即时通信业务量与寻呼量线性关系显著。

表1即时通信业务分析结果

浏览业务量与寻呼量的线性关系模型为：

寻呼量和业务量的线性回归方程对样本值的拟合度为93.23％，浏览业务量与寻呼量的线性关系显著。

表2浏览业务模型分析结果

下载业务量与寻呼量的线性关系模型为：

寻呼量和业务量的线性回归方程对样本值的拟合度为79.12％，下载业务量与寻呼量存在线性关系。

表3下载业务模型分析结果

流媒体业务量与寻呼量的线性关系模型为：

寻呼量和业务量的线性回归方程对样本值的拟合度为75.27％，流媒体业务量与寻呼量存在线性关系。

表4流媒体业务模型分析结果

其中，表1至表4中所述的估计值、标准误差、t值、P值和置信区间均在线性回归原理的规定的相关的阈值范围内。

步骤104、移动通信网络的业务量预测装置获取第二移动通信网络的寻呼信息。

具体的可以采用路测设备测试第二移动通信网络的寻呼信息。

步骤105、移动通信网络的业务量预测装置根据第二移动通信网络的寻呼信息获取第二移动通信网络的寻呼量。

步骤106、移动通信网络的业务量预测装置根据第二移动通信网络的寻呼量，以及寻呼量和业务量的线性关系模型，估计第二移动通信网络的业务量的估计值。

可以将第二移动通信网络的寻呼量代入公式1.6至公式1.9获取各种业务类型的业务的业务量。

同一区域绝大部分用户行为在某一段时间内一般不会发生变化，可以确定不同运营商的用户习惯基本一致。采集到运营商空口的寻呼消息并解析出寻呼量后，根据线性回归原理得到的寻呼量和业务量的线性回归方程，分别推算出各主流业务的业务量。将第二移动通信网络的寻呼量的值带入公式1.6到1.9获取各个业务的业务量。

表5各主流业务业务量推算结果

上述第一方面提供的移动通信网络的业务量预测方法，基于线性回归原理建模获取寻呼量与业务量的线性关系模型，根据其他运营商部署的移动通信网络的寻呼量，以及寻呼量与业务量的线性关系模型估计其他运营商的各位置区下的各类数据业务的业务量，从而能够有效地提高业务量的估计值的准确性，使得运营商可以精准便捷地获取其他运营商部署的移动通信网络的业务量分布情况，作为网络规划建设工作的重要参考依据。

实施例2

本发明实施例提供一种移动通信网络的业务量预测装置20，如图3所示，包括：

获取单元201，用于根据第一移动通信网络的寻呼信息，获取所述第一移动通信网络的寻呼量，以及根据所述第一移动通信网络的业务信息，获取所述第一移动通信网络的业务量；

处理单元202，用于根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，利用线性回归原理建模获取寻呼量和业务量的线性关系模型；

所述获取单元201，还用于根据第二移动通信网络的寻呼信息，获取第二移动通信网络的寻呼量，所述第一移动通信网络与所述第二移动通信网络不同；

所述处理单元202，还用于根据所述第二移动通信网络的寻呼量，以及所述寻呼量和业务量的线性关系模型，估计第二移动通信网络的业务量的估计值。

上述第一方面提供的移动通信网络的业务量预测方法，基于线性回归原理建模获取寻呼量与业务量的线性关系模型，根据其他运营商部署的移动通信网络的寻呼量，以及寻呼量与业务量的线性关系模型估计其他运营商的各位置区下的各类数据业务的业务量，从而能够有效地提高业务量的估计值的准确性，使得运营商可以精准便捷地获取其他运营商部署的移动通信网络的业务量分布情况，作为网络规划建设工作的重要参考依据。

所述获取单元201具体用于：

删除所述第一移动通信网络的寻呼信息中消息为空的寻呼信息；

合并所述第一移动通信网络的寻呼信息中相同的寻呼信息；

以预设区域内不同时间段，统计合并后的所述第一移动通信网络的寻呼信息，得到所述第一移动通信网络的寻呼量。

所述获取单元201具体用于：

删除所述第一移动通信网络的业务信息中消息为空的业务信息；

按照业务类型对所述第一移动通信网络的业务信息进行分类；

以预设区域内不同时间段，统计分类后的所述第一移动通信网络的业务信息，得到所述第一移动通信网络的业务量。

所述处理单元202具体用于：

根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，以及第一公式估计回归常数β₀，得到β₀的估计值

第一公式为：

根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，以及第二公式估计回归系数β₁，得到β₁的估计值

第二公式为：

寻呼量和业务量的线性关系模型为：

业务类型包括即时通信类业务、浏览类业务、流媒体类业务、下载类业务和其他业务；

其中，即时通信业务量与寻呼量的线性关系模型为：

浏览业务量与寻呼量的线性关系模型为：

下载业务量与寻呼量的线性关系模型为：

流媒体业务量与寻呼量的线性关系模型为：

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种移动通信网络的业务量预测方法，其特征在于，包括：

根据第一移动通信网络的寻呼信息，获取所述第一移动通信网络的寻呼量，以及根据所述第一移动通信网络的业务信息，获取所述第一移动通信网络的业务量；

根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，利用线性回归原理建模获取寻呼量和业务量的线性关系模型，具体包括：根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，以及第一公式估计回归系数β₁，得到β₁的估计值第一公式为：根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，以及第二公式估计回归常数β₀，得到β₀的估计值第二公式为：寻呼量和业务量的线性关系模型为：其中，x_i为寻呼量的样本数据，y_i为业务量的样本数据，n为样本数据的个数；

根据第二移动通信网络的寻呼信息，获取第二移动通信网络的寻呼量，所述第一移动通信网络与所述第二移动通信网络不同；

根据所述第二移动通信网络的寻呼量，以及所述寻呼量和业务量的线性关系模型，估计第二移动通信网络的业务量的估计值。

2.根据权利要求1所述的方法，其特征在于，所述根据第一移动通信网络的寻呼信息，获取所述第一移动通信网络的寻呼量包括：

删除所述第一移动通信网络的寻呼信息中消息为空的寻呼信息；

合并所述第一移动通信网络的寻呼信息中相同的寻呼信息；

以预设区域内不同时间段，统计合并后的所述第一移动通信网络的寻呼信息，得到所述第一移动通信网络的寻呼量。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一移动通信网络的业务信息，获取所述第一移动通信网络的业务量包括：

删除所述第一移动通信网络的业务信息中消息为空的业务信息；

按照业务类型对所述第一移动通信网络的业务信息进行分类；

以预设区域内不同时间段，统计分类后的所述第一移动通信网络的业务信息，得到所述第一移动通信网络的业务量。

4.根据权利要求3所述的方法，其特征在于，业务类型包括即时通信类业务、浏览类业务、流媒体类业务、下载类业务和其他业务；

其中，即时通信业务量与寻呼量的线性关系模型为：

浏览业务量与寻呼量的线性关系模型为：

下载业务量与寻呼量的线性关系模型为：

流媒体业务量与寻呼量的线性关系模型为：

5.一种移动通信网络的业务量预测装置，其特征在于，包括：

获取单元，用于根据第一移动通信网络的寻呼信息，获取所述第一移动通信网络的寻呼量，以及根据所述第一移动通信网络的业务信息，获取所述第一移动通信网络的业务量；

处理单元，用于根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，利用线性回归原理建模获取寻呼量和业务量的线性关系模型，具体包括：根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，以及第一公式估计回归系数β₁，得到β₁的估计值第一公式为：根据所述第一移动通信网络的寻呼量和所述第一移动通信网络的业务量，以及第二公式估计回归常数β₀，得到β₀的估计值第二公式为：寻呼量和业务量的线性关系模型为：其中，x_i为寻呼量的样本数据，y_i为业务量的样本数据，n为样本数据的个数；

所述获取单元，还用于根据第二移动通信网络的寻呼信息，获取第二移动通信网络的寻呼量，所述第一移动通信网络与所述第二移动通信网络不同；

所述处理单元，还用于根据所述第二移动通信网络的寻呼量，以及所述寻呼量和业务量的线性关系模型，估计第二移动通信网络的业务量的估计值。

6.根据权利要求5所述的装置，其特征在于，所述获取单元具体用于：

删除所述第一移动通信网络的寻呼信息中消息为空的寻呼信息；

合并所述第一移动通信网络的寻呼信息中相同的寻呼信息；

以预设区域内不同时间段，统计合并后的所述第一移动通信网络的寻呼信息，得到所述第一移动通信网络的寻呼量。

7.根据权利要求5所述的装置，其特征在于，所述获取单元具体用于：

删除所述第一移动通信网络的业务信息中消息为空的业务信息；

按照业务类型对所述第一移动通信网络的业务信息进行分类；

以预设区域内不同时间段，统计分类后的所述第一移动通信网络的业务信息，得到所述第一移动通信网络的业务量。

8.根据权利要求7所述的装置，其特征在于，业务类型包括即时通信类业务、浏览类业务、流媒体类业务、下载类业务和其他业务；

其中，即时通信业务量与寻呼量的线性关系模型为：

浏览业务量与寻呼量的线性关系模型为：

下载业务量与寻呼量的线性关系模型为：

流媒体业务量与寻呼量的线性关系模型为：